AgriGS-SLAM: マルチビューガウシアンスプラッティングSLAMによる季節を跨ぐ果樹園マッピング

- 果樹園（orchard）での自律ロボット向けの Visual–LiDAR SLAM フレームワーク「AgriGS-SLAM」 - 直接 LiDAR odometry と loop closure を multi-camera 3D Gaussian Splatting (3DGS) レンダリングと結合 - 季節変化・列構造の反復性・風による葉の動きがある果樹園でのリアルタイム3D理解を狙う - 対象は apple と pear の果樹園、dormancy・flowering・harvesting の各季節

- 最近の state-of-the-art な 3DGS-SLAM ベースラインと比較 - 季節・サイトをまたいでよりシャープで安定した再構成と、より安定した軌道を実現 - on-tractor でのリアルタイム性能を維持 - 評価プロトコルの面でも工夫 - training-view と novel-view synthesis の両方を評価する標準 trajectory protocol を採用し、評価時の 3DGS overfitting を低減

- Visual–LiDAR 融合 - 直接 LiDAR odometry と loop closure を multi-camera 3DGS と結合 - 描画と地図管理 - 相補的な視点間の batch rasterization でオクルージョン下の果樹園構造を復元 - keyframe 間で実行する unified gradient-driven map lifecycle により細部保持とメモリ上限管理 - 姿勢精緻化 - 確率的な LiDAR ベースの depth consistency 項を camera projection を通して back-propagation し、geometry–appearance の結合を強化

- 実フィールドのプラットフォームで検証 - apple と pear の果樹園、dormancy・flowering・harvesting の各季節 - 標準化された trajectory protocol を使用 - 評価指標 - training-view と novel-view synthesis の両方を評価し、3DGS の overfitting を抑制 - 比較 - 最近の state-of-the-art な 3DGS-SLAM ベースラインと比較し、再構成のシャープさ・安定性・軌道の安定性で優位、リアルタイム性も維持と報告

- 果樹園モニタリングで実証されたが、堅牢なマルチモーダル知覚を要する他の屋外領域にも適用可能と述べる - 限界・定量結果の詳細・計算資源やメモリの具体的数値は要旨からは不明 - 季節変化や風による葉の動きへの頑健性の定量的な議論は要旨からは不明

- 比較対象として言及される最近の state-of-the-art な 3DGS-SLAM ベースライン（個別名は要旨からは不明） - 関連手法として 3D Gaussian Splatting (3DGS)、Visual–LiDAR SLAM、direct LiDAR odometry、loop closure - 同分野の定番として ORB-SLAM 系や LIO-SAM などの LiDAR-inertial odometry 系の文献